#每天一篇论文 256/365 Multi-adversarial Faster-RCNN for Unrestricted Object Detection

多对抗快速rcnn用于无限制目标检测 摘要 传统的目标检测方法本质上是假设训练和测试数据是从一个有限制的目标域中采集的，并且代价昂贵。为了减轻域依赖性和繁琐的标记问题，提出了利用足够的标签从辅助源域训练的领域知识来检测非受限环境中的对象。具体来说，我们提出了一个多对抗的快速rcnn（maf）框架，用于无限制目标检测。它本质上解决了特征表示中用于域自适应的域差异最小化问题。本文的优点有三：1）针对图

>>阅读原文<<